دانلود فرمت ورد:دانلود پروژه رشته اقتصاد درباره مفاهيم آمار و تخمين‌هاي بيزيني – قسمت اول

دانلود پایان نامه

مقدمه

قبل از دو دهه اخير پيش‌بيني‌هاي اقتصادي بوسيله مدلهاي ساختاري انجام مي‌گرفت كه اكثراً منتج شده از نظريات كنيز بودند از آنجائيكه در آن دوره اين مدلها نتوانستند حوادث مهم اقتصادي را پيش‌بيني نمائيد بنابراين روش برداري‌هاي خود رگرسيوني توسعه پيدا كردند مانند انتقاداتي كه به اين روش وارد مي‌گردد اينست كه اين روش به تخمين بيش از حد مبتلا مي‌باشد براي رفع اين مشكل يك مدل بيزيني توسط ليترمن و همكارانش توسعه پيدا كرد كه در آن اعتقادات پيشين در مورد متغيرها همراه با داده‌ها تركيب و يك چارچوب بيزيني را براي پيش‌بيني كنندگان فراهم مي‌آورد از آنجاييكه اين روش از اطلاعات قبلي در مورد متغيرها بهره گیری مي‌كند اين امر به ساختن پيش‌بيني‌هاي بيشتر اقتصادي و كمتر هنري كمك مي‌كند در اين فصل آغاز مفاهيم آمار و تخمين‌هاي بيزيني بيان مي‌گردد سپس روش VAR و كاربردهاي آن تشريح مي‌گردد و در قسمت پاياني به تشريح روش BVAR مي‌پردازيم.

نکته مهم : برای بهره گیری از متن کامل پژوهش یا مقاله می توانید فایل ارجینال آن را از پایین صفحه دانلود کنید. سایت ما حاوی تعداد بسیار زیادی مقاله و پژوهش دانشگاهی در رشته های مختلف می باشد که می توانید آن ها را به رایگان دانلود کنید

شما می توانید تکه های دیگری از این مطلب را در شماره بندی انتهای صفحه بخوانید              

ارتباط بين علوم اقتصاد و آمار:

با تمركز به مسئله كميابي در علم اقتصاد، اين علم به ميزان زيادي به مسئله تصميم‌گيري مربوط مي‌باشد. همچنانكه مي‌دانيم سوخت ماشين تصميم اطلاعات مي‌باشد بنابراين روشهايي براي فراهم‌آوردن اطلاعات آماري و ارتباط آن با علم اقتصاد كه منجر به تصميم‌گيري بهينه مي‌گردد توسعه پيدا كرده‌اند كه در چارچوب دو روش نظريه كلاسيك نمونه‌گيري و روش بيزيني در علم آمار مورد مطالعه قرار مي‌گيرند. در ذيل به توضیح مختصري از اين روشها پرداخته مي‌گردد.

روش كلاسيك نمونه‌گيري:

استنتاج آماري با بهره گیری از روش كلاسيك با بهره گیری از ويژگيهاي زير مشخص مي‌گردد.

الف- تخمين‌ها و روشهاي آزمون بر حسب ويژگيهاي موجود در نمونه آماري ارزيابي مي‌شوند.

ب- احتمال يك حادثه برحسب حد فراواني نسبي آن حادثه تعريف مي‌گردد.

پ- هيچ شرطي براي ورد مشاهدات غير نمونه‌اي (nonsample) و اطلاعات زيان (loss information) وجود ندارد.

هنگامي كه تخمين پارامترها با بهره گیری از روش كلاسيك انجام مي‌گردد يك تخمين زننده بدون تورش با مينيمم واريانس مطلوب محقق مي‌باشد زيرا بطور متوسط اين تخمين زننده‌ها به پارامترهاي حقيقي (نسبت به تخمين زننده‌هاي بدون تورش ديگر) نزديكتر هستند. در اين روش تخمين فاصله‌اي و آزمون فرضيه بر حسب ويژگيهاي بزرگ نمونه‌اي، نمونه‌هاي مورد مطالعه ارائه مي‌گردد همچنين در روش كلاسيك از آنجايكه پارامترها در نمونه‌هاي تكراري ثابت فرض مي‌شوند، توزيع احتمال براي پارامترها تعيين نمي‌گردد.

روش بيزين:

در چارچوب بيزيني احتمال بر حسب يك درجه از اعتقادات تعريف مي‌گردد (هر چند كه ويژگيهاي تخمين زننده‌ها و آزمونهايي كه بر روي نمونه آماري انجام مي‌گيريد نيز مورد مطالعه قرار مي‌گيريد اما پايه اصلي براي استنتاج و انتخاب تخمين زننده‌ها نمي‌باشند) در اين روش احتمال يك حادثه بر حسب اعتقادات شخص در مورد اينكه اين حادثه تا چه اندازه محتمل می باشد كه ظاهر گردد انجام مي‌گيريد اين اعتقادات ممكن می باشد به اطلاعات كمي و يا كيفي وابسته باشند اما لزوماً به فراواني نسبي حادثه در يك نمونه بزرگ از آزمايش‌هاي فرضي آتي[1] وابسته نمي‌باشد بنابراين در آمار بنزيني احتمال يك مفهوم ذهني (Subjective) و اشخاص مختلف ممكن می باشد احتمال متفاوتي از يك حادثه را ارائه دهند همچنين ويژگي اصلي در تحليل‌هاي بيزيني اينست كه عدم اطمينان درمورد مقدار يك پارامتر ناشناخته برحسب توزيع احتمال بيان مي‌گردد. در اين روش پارامترها بصورت متغيرهاي تصادفي مورد مطالعه قرار مي‌گيرند و بدين صورت كه نتايج متفاوت از يك آزمايش مصداق‌هاي[2] متفاوتي از يك پارامتر بيان مي‌كند، مورد ملاحظه قرار نمي گيرند. بنابراين توزيع احتمال ذهني بر روي يك پارامتر برحسب آگاهي شخصي، درمورد آن پارامتر مي‌باشد اين آگاهي ممكن می باشد قبل از نظاره اطلاعات موجود در نمونه وجود داشته باشد كه تابع توزيع اين آگاهي شخصي، توزيع پيشين[3] نام دارد همچنين تابع توزيعي كه از تركيب تابع توزيع پيشين و اطلاعات نمونه حاصل مي‌گردد تابع توزيع پسين[4] نام دارد. يك نكته مهم در اينجا اينست كه توزيع پسين حاصله مي‌تواند به عنوان يك توزيع پيشين مورد بهره گیری قرار گيرد زماني كه با اطلاعات نمونه‌اي ديگر در آينده مواجهه مي‌شويم. روشي كه توزيع پيشين را با اطلاعات نمونه براي تشكيل توزيع پسين، تركيب مي‌كند قضيه بيز نام دارد.

طريقه بدست آوردن تابع توزيع پسين:

اگر P(B/A) عبارتست از احتمال وقوع حادثه B به شرط معلوم بودن حادثه A باشد. آنگاه مي‌توان احتمال وقوع حوادث را بصورت زير بيان كرد:

از ارتباط فوق نتيجه مي‌گردد كه:

كه عبارت فوق به عنوان قضيه بيز شناخته مي‌گردد.

حال براي نشان دادن توابع توزيع پيشين و پسين فرض مي‌كنيم كه تابع چگالي احتمال پيوسته باشد اگر  برداري از پارامترها و y برداري از مشاهدات موجود در نمونه‌ براي تابع چگالي پيوسته  باشد در اين صورت تابع  بطور جبري‌ همانند تابع درستنمايي براي   مي‌باشد كه همه اطلاعات نمونه‌اي در مورد  را شامل مي‌گردد. در چارچوب بيزيني از آنجايكه توزيع احتمال ذهني براي  هست ] برداري تصادفي مي‌باشد[. بنابراين بصورت تابع توزيع شرطي y به شرط  مورد ملاحظه قرار مي‌گيريد حال طبق ارتباط (1-5) مي‌توانيم بنويسيم:

كه به h تابع چگالي پيوسته براي  و y ، g به تابع چگالي براي  و f به تابع چگالي براي y دلالت مي‌كند حال اگر عبارت فوق را بازنويسي كنيم داريم:

شما می توانید مطالب مشابه این مطلب را با جستجو در همین سایت بخوانید                     

 

كه اين عبارت همان قضيه بيز مي‌باشد كه در اين عبارت   بيانگر تابع چگالي پسين براي  و  بيانگر تابع چگالي پيشين براي  (اطلاعات غير نمونه‌اي در مورد ) مي‌باشد. از آنجائيكه داده‌هاي نمونه‌اي بصورت ثابت و معلوم در اختيار هستند در نتيجه f(y)  ثابت مي‌باشد بنابراين براي بدست آوردن  اگر داده‌هاي نمونه اي y ثابت باشند مي‌توانيم تابع  را بصورت تابع در ستنمايي  نشان دهيم بنابراين قضيه بيز بصورت زير بيان مي‌گردد.

                              [5]

كه ارتباط را بصورت زير نيز مي‌توانيم بيان كنيم

(اطلاعات پيشين) × (اطلاعات درستنمايي)  اطلاعات پسين

ارتباط (5-5) نشان مي‌دهد كه چگونه اطلاعات پيشين در مورد  (كه برحسب تابع چگالي پيشين بيان مي‌گردد) بوسيله اطلاعات نمونه‌اي (كه بر حسب تابع در ستنمايي  بيان مي‌گردد) اصلاح مي‌گردد تا اطلاعات پسين در مورد  (كه بر حسب تابع چگالي پسين  بيان مي‌گردد) بدست آيد. نمودار (1-5) فرآيند بدست آمدن توزيع پسين را نشان مي‌دهد.

تخمين نقطه‌اي

این نوشته در اقتصاد ارسال شده است. افزودن پیوند یکتا به علاقه‌مندی‌ها.

دیدگاهتان را بنویسید